L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1231
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
In teoria, posso già eseguire migliaia di simulazioni, su campioni con certe caratteristiche statistiche... basta decidere la finestra, anche se si può anche cercare.
Ho sempre finestra mobile = 3600 valori (definiti come 6x6x10x10, dove 6 è il quantile, che copre quasi ogni distribuzione unimodale Petunin-Vysokovsky). È possibile povare - vedere.
Ma non cambia l'essenza della questione - dobbiamo assolutamente fare in modo che le reti neurali con serie con una distribuzione rigida di probabilità di ritorno funzionino o meno. Una tabella dei risultati della ricerca nello studio! E poi continueremo.
P.S. E non vale la pena ascoltare il babbeo Asaulenko - sa molto e non sa niente. Amen.
Ciao, A_K. Già, vedo che si è ripreso dalla première fallita, e sta già prendendo a calci la tua coda). Torna al tuo thread, la gente ti aspetta lì, e non è niente prima di Capodanno.
E cambiare il concetto. Potresti essere così fortunato.
Cioè le caratteristiche statistiche dovrebbero essere prese da un rendimento, non da un grafico di prezzo, ho ragione?
Ci interessa solo la distribuzione dei rendimenti e nient'altro. Ci interessano solo le distribuzioni dei rendimenti e nient'altro.
Ehi, A_K. Vedo che ti sei ripreso dalla deludente prima, ti stai già facendo il culo). Torna alla tua filiale, lì c'è gente che ti aspetta, e non manca molto a Capodanno.
E cambiare il concetto. Forse sarai fortunato.
Ciao!
No, tornerò lì con i risultati dopo Capodanno, o forse no. Non volevo dare fuori graffiti, lì in un ramo e così più del necessario scritto.
Non credo che Kesha e Misha abbiano bisogno di essere giudicati, altrimenti la storia cambierà e non ci sarà molto da ridere
Sono d'accordo.
Kesha è ovviamente uno degli investitori che perseguitano Aliosha. E alla disperata ricerca di lui, è qui, a pubblicizzare i voluminosi fogli di suo nonno SanSanych. Invitante, per così dire...
Sì, diplearn ha bisogno di essere digerito a fondo, volevo fare NLP\NLU da molto tempo, ma purtroppo non ho ancora tempo, se potessi analizzare le reti sociali anche un po' meglio del random, che tangente sarebbe per aumentare...
Qualcosa non è chiaro. È come se la VR fosse convertita in un'immagine, e poi...
Per mgc, la cosa principale è l'allineamento, purché la variazione sia ragionevole. È usato per ridurre la dimensionalità
e per combattere la multicollinearità e per scopi di ricognizione. Galleggiante
naturalmente fluttuerà un po', e migliore è la pre-elaborazione, meno. Ha senso, ma non quanto Fasal, perché
tende a divorare le informazioni utili. "Il galleggiamento può essere ridotto non solo con la pre-elaborazione, ma anche
Il "galleggiamento" può essere ridotto non solo dal preprocessing, ma anche dal postprocessing, come mostrato dall'esempio di nuovo per Fa su logloss "in flessione", ecc.
può essere usato per correggere le probabilità prima del lancio, ovunque si voglia... ma non dovresti
ma non eccitatevi troppo, c'è solo un 1-2% di miglioramento. Dopo un paio o tre esecuzioni, a condizione che la pre-elaborazione sia adevate
di pre-elaborazione e abbastanza campioni, si prende la formula per i componenti necessari e si fa il chip, ogni volta
prima che il sonaglio del sonaglio del sonaglio del sonaglio del sonaglio del sonaglio non sia fatto... ecc... Un semplice esempio di come guardare (2 ist ivert,
ma non il punto)... Tutto questo schifo, così come altre cose sul dilettante, l'ho guardato per me stesso molto tempo fa, non serve a molto...
Ho passato molto tempo in tutti i diversi componenti principali, e poi ho elaborato una cosa molto semplice, ed è generale.
Diciamo che abbiamo fatto una PCA e ottenuto i coefficienti per moltiplicare i predittori.
Ora spostiamo la finestra (arriva una nuova barra) e cosa dovremmo fare - ricalcolare i coefficienti? È così che si fa nel tester. E se non li ricalcoliamo, abbiamo ancora i componenti principali?
E ora pensiamo a una regressione lineare ordinaria. Ha gli stessi coefficienti ma mostra una tabella dove possiamo vedere che i coefficienti sono numeri casuali con tutto ciò che questo implica, incluso il fatto che l'errore può superare il valore nominale del coefficiente.
In che modo le componenti principali sono migliori?
Non si tratta delle componenti principali. Non ci interessa l'analisi del passato, prendiamo alcuni parametri dal passato perché non c'è posto per prenderli, ma questi parametri NON devono cambiare. Questa è una regola generale. Quando si costruisce una ST, è necessario provare la costanza/variabilità debole dei parametri ottenuti.
Ancora una volta, abbiamo a che fare con la stazionarietà.
Non ci interessa analizzare il passato, prendiamo certi parametri dal passato perché non c'è un posto dove prenderli, ma questi parametri NON devono cambiare. Questa è la regola generale. Quando si costruisce una ST, è necessario dimostrare la costanza/debole variabilità dei parametri ottenuti.
Ancora una volta ci troviamo di fronte alla stazionarietà.
È possibile cercare di fare ipotesi sulla struttura della non stazionarietà. Per esempio, un'opzione ovvia è l'assunzione di stazionarietà piecewise. In questo caso dobbiamo talvolta scartare la storia obsoleta (trovare una discontinuità).
Si può cercare di fare ipotesi sulla struttura della non stazionarietà. Per esempio, un'opzione ovvia è l'assunzione di stazionarietà piecewise. In questo caso, dobbiamo talvolta scartare la storia obsoleta (trovare una discontinuità).
Non storia obsoleta, ma sezioni non stazionarie.
Ben fatto, Alexey - finalmente la matematica applicata ha preso piede, non solo il pensiero graal.
Non storia superata, ma trame instabili.
Ben fatto, Alexey - finalmente un po' di matematica applicata e non solo un pensiero graal.